반응형

recommender system 3

추천 시스템(Recommender System)- 3. Collaborative Filtering(협업 필터링)

3. Collaborative Filtering(협업 필터링) ‘사람들이 과거에 좋아했던 것들이 크게 변하지 않아서 미래에도 비슷한 것들을 좋아할 것이다.’라는 가정을 전제로 한다. 동시에 유저와 아이템 간의 유사도를 이용해서 추천한다. 추천할 유저와 비슷한 유저들의 데이터 기반으로 추천한다. 이전의 content-based filtering처럼 직접 특성을 엔지니어링 하지 않고 모델이 자동으로 학습한다. (1) 종류 memory based 방식 사용자 평가 데이터를 사용하여 사용자 또는 항목 간의 유사성을 계산 종류 : user-based, item-based 알고리즘:KNN Model based 방식 평가되지 않은 항목에 대한 사용자의 평가를 예측하는 다양한 데이터 마이닝, 기계학습 알고리즘을 사용 ..

Data/ML 2022.02.06

추천 시스템(Recommender System)- 2. Content-based Filtering(콘텐츠 기반 필터링)

2. Content-based Filtering(콘텐츠 기반 필터링) 유저가 좋아하는 아이템의 특성을 기반으로 유사한 아이템을 추천해준다. 예를 들여 영화에서도 유사한 장르나 줄거리를 추천해 줄 수 있다. 특성: 이전의 기록(구매 기록, 검색 기록 등), 명시적인 피드백(좋아요, 싫어요, 위시리스트) (1) 유사도 구글 플레이스토어를 예시를 들어보겠습니다. 특성 행렬(feature matrix)에서 행은 아이템인 앱, 각 열은 특성을 나타낸다. 해당 앱의 특성은 카테고리, 앱 개발자 등의 특성이 있는데 여기에서는 앱의 카테고리로 정하였다. 가정: 단순화 하기 위해서 해당 특성 행렬은 0과 0이 아닌 값 만 갖는 이진 값으로 이루어졌다. 0은 해당 특성에 속하지 않는 것이고 0이 아닌 값은 해당 특성에 속..

Data/ML 2022.02.05

추천 시스템(Recommender System)- 1. 개요

추천 시스템(Recommender System)- 1. 개요 1. 추천 시스템(Recommender System) 추천시스템에 대한 관심이 있었고 이번 프로젝트에서 사용할 수 있는 기회가 생겨서 두 시스템 다 만들어 보면서 공부한 것을 정리해봅니다. 이번에 프로젝트에서 최우수팀으로 선정되었네요. 특히 동일 서비스 주제로 4팀 이상 나왔었는데 너무 만족스러운 결과입니다. 추천시스템은 정보 필터링(Information Filtering, IF)의 하나로 특정 사용자가 관심을 가질만한 아이템을 (영화, 음악, 책, 뉴스, 이미지, 웹 페이지 등) 추천한다. 추천 시스템은 많은 웹 사이트에서 많이 볼 수 있는 서비스 중 하나이다. 예를 들어 쇼핑, OTT나 음악 같은 컨텐츠 스트리밍 등의 서비스를 이용하면 데이..

Data/ML 2022.02.04
반응형